Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12684
Title: Uso de observadores de estado aplicados no controle inferencial preditivo de processos não lineares.
Other Titles: Use of state observers applied in the predictive inferential control of non-linear processes.
???metadata.dc.creator???: BRANDÃO, Walter Yanko de Aragão.
???metadata.dc.contributor.advisor1???: SILVA JÚNIOR, Heleno Bispo da.
???metadata.dc.contributor.referee1???: PEREIRA NETO, Antônio Tavernard.
???metadata.dc.contributor.referee2???: MORAIS JÚNIOR, Arioston Araújo de.
???metadata.dc.contributor.referee3???: LIMA, Fernando V.
Keywords: Controle de modelo preditivo;Predictive model control;Control predictivo del modelo;Observadores de estado;Observadores estatales;State observers;Sensores virtuais;Virtual sensors;Sensores virtuales;Filtro de Kalman;Kalman filter
Issue Date: 23-Sep-2019
Publisher: Universidade Federal de Campina Grande
Citation: BRANDÃO, W. Y. de A. Uso de observadores de estado aplicados no controle inferencial preditivo de processos não lineares. 2019. 82 f. Dissertação (Mestrado em Engenharia Química), Programa de Pós-Graduação em Engenharia Química, Centro de Ciência e Tecnologia, Universidade Federal de Campina Grande - Paraíba - Brasil, 2019.
???metadata.dc.description.resumo???: Para atender a padrões de qualidade, segurança, economia e sustentabilidade cada vez mais rigorosos, técnicas modernas de controle de processos como controle de modelo preditivo (MPC) podem ser utilizadas em sistemas complexos e altamente não lineares, nos quais a efetiva implementação de estratégias clássicas de controle (como o algoritmo PID convencional) torna-se difícil. Na presença de variáveis de processo cujas medições em tempo real e com baixa taxa de amostragem não estão disponíveis ou são de alto custo de manutenção e implementação, observadores de estado podem ser utilizados como estimadores no papel de sensores virtuais. Neste trabalho, um controle inferencial preditivo de modelo não linear (NMPC) com restrições foi implementado em um reator CSTR não isotérmico, produtor de propilenoglicol a partir da hidrólise de óxido de propileno e cujas entradas estão contaminadas com ruídos. Os estados da planta foram estimados por observadores de estado do tipo filtro de Kalman estendido (EKF) e unscented (UKF), sintonizados por três abordagens distintas. Além disso, foi utilizada uma abordagem heurística a fim de sintonizar os principais parâmetros do NMPC: tempo de amostragem, horizonte de controle e horizonte de predição. O desempenho dos observadores de estados pouco diferiu entre EKF e UKF, uma vez que a correta sintonia da matriz Q de covariância do processo mostrou-se determinante para a eficácia da estimativa. Enquanto no controle inferencial clássico (PID-UKF e Cascata-UKF) houve dificuldades de controlar o processo em regiões de instabilidade (devido também aos ruídos da planta), o controle avançado inferencial (NMPC-UKF) foi capaz de minimizar as oscilações da planta enquanto oferecia resposta de controle mais rápida, com menor overshoot, mais estável e respeitando a restrição de temperatura imposta no processo frente a perturbações nas entradas (controle regulatório), no setpoint (controle servo), e na partida do reator.
Abstract: To meet increasingly stringent quality, safety, economy and sustainability standards, modern process control techniques such as predictive model control (MPC) can be used in complex and highly nonlinear systems where the effective implementation of classic control (like the conventional PID algorithm) becomes difficult. In the presence of process variables whose real-time, low-sampling measurements are unavailable or costly to maintain and implement, state observers can be used as estimators in the role of virtual sensors. In this work, a constrained nonlinear predictive inferential control (NMPC) was implemented in a non-isothermal CSTR reactor, propylene glycol producer from propylene oxide hydrolysis and whose inputs are contaminated with noise. Plant states were estimated by extended (EKF) and unscented (UKF) Kalman filter-type state observers, tuned by three distinct approaches. Also, a heuristic approach was used in order to tune the main parameters of the NMPC: sampling time, control horizon and prediction horizon. The performance of the state observers differed little between EKF and UKF, since the correct tuning of the process covariance matrix Q was determinant for the estimation effectiveness. While in classical inferential control (PID-UKF and Cascade-UKF) there were difficulties in controlling the process in unstable regions (also due to plant noise), advanced inferential control (NMPC-UKF) was able to minimize plant oscillations while providing faster control response, with lower overshoot, more stable and meeting the temperature restriction imposed in the process against disturbances at the inputs (regulatory control), at the setpoint (servo control), and at the reactor startup.
Keywords: Controle de modelo preditivo
Predictive model control
Control predictivo del modelo
Observadores de estado
Observadores estatales
State observers
Sensores virtuais
Virtual sensors
Sensores virtuales
Filtro de Kalman
Kalman filter
???metadata.dc.subject.cnpq???: Engenharia Química
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/12684
Appears in Collections:Doutorado em Engenharia Química.

Files in This Item:
File Description SizeFormat 
WALTER YANKO DE ARAGÃO BRANDÃO - DISSERTAÇÃO (PPGEQ) 2019.pdf2.83 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.